scrapy 爬虫：多线程爬取去微博热搜排行榜数据信息，进入详情页面拿取第一条微博信息，保存到本地text文件、保存到excel

以下是一个简化的Scrapy爬虫示例，用于爬取微博热搜排行榜，并抓取每个榜单条目的详情页面上的第一条微博信息。

首先，创建一个新的Scrapy项目和爬虫：

scrapy startproject weibo_spider
cd weibo_spider
scrapy genspider weibo weibo.com

接下来，编辑爬虫文件 weibo_spider/spiders/weibo.py 来实现多线程爬取：

import scrapy
from scrapy.crawler import CrawlerProcess
from scrapy.utils.project import get_project_settings
from twisted.internet.utils import get_unused_port
 
class WeiboSpider(scrapy.Spider):
    name = 'weibo'
    allowed_domains = ['weibo.com']
    start_urls = ['http://weibo.com/hot/realtimehot']  # 假设热搜排行榜的URL
 
    def parse(self, response):
        # 提取每个热搜关键词的详情页链接
        for href in response.css('a::attr(href)').getall():
            if 'detail.php' in href:
                yield scrapy.Request(response.urljoin(href), callback=self.parse_detail)
 
    def parse_detail(self, response):
        # 提取每个详情页上的第一条微博信息
        weibo_info = response.css('div.weibo_text::text').get()
        if weibo_info:
            yield {'weibo_info': weibo_info}
 
# 设置多线程
process = CrawlerProcess({
    'LOG_LEVEL': 'ERROR',  # 只显示错误信息
    'CONCURRENT_REQUESTS': 16,  # 并发请求数
})
process.crawl(WeiboSpider)
process.start()  # 启动爬虫

这个脚本定义了一个名为weibo的爬虫，它会从热搜排行榜页面提取关键词详情页的链接，然后爬取每个详情页上的第一条微博信息。爬虫使用CrawlerProcess启动多线程，并设置了并发请求的数量。

请注意，实际使用时需要根据微博网站的实际情况调整选择器（CSS或XPath），以及处理登录、反爬、AJAX加载内容等情况。

运行这个脚本将启动一个多线程的Scrapy爬虫，它将会在控制台输出爬取的结果。